Feuille dexercices no 4
Inégalités de Markov et de Bienaymé-Tchebychev loi des grands nombres. Exercice 1. Le nombre de pi`eces sortant d'une usine en une journée est une variable
CPES 2 – Probabilités approfondies 2015-2016 DS final – Lundi 2
(2) Énoncer et démontrer l'inégalité de Bienaymé-Tchebychev. Corrigé. Cf cours. Exercice 2. Soit c > 0. On suppose que X et Y sont deux variables aléatoires
Leçon 11 Exercices corrigés
(Indication : utiliser l'inégalité de Markov pour t = (1 + ?)E(X) et le fait que si P(A) > 0 alors A est non vide.) Corrigé. Il n'y a rien à démontrer si
S2 TD 3 - Inégalité de Bienaymé-Tchebichev - Convergence en
Corrigés. Rappels : • Inégalité de Bienaymé-Tchebychev pour une variable aléatoire d'espérance et de variance finies : ?t > 0 P(
Manipuler linégalité de Bienaymé-Tchebychev
11 oct. 2021 Exercice
Intégration et probabilités (cours + exercices corrigés) L3 MASS
(cours + exercices corrigés) Tous les exercices de ce chapitre n'ont pas un lien direct avec le cours. Par contre ils ... Inégalité de Markov.
Leçon 18 Exercices corrigés
Reprendre l'Exercice 1 Leçon 17
Exercices de mathématiques MP MP*
Cet ouvrage d'exercices corrigés de mathématiques s'adresse aux élèves de classes 1) Soit ? ?]0 1[
Examen du 17 juin 2013 (rattrapage 2h)
17 juin 2013 EXERCICE 1. 1. Question de cours : donner l'inégalité de Bienaymé-Tchebychev. ... Sujet proposé (et corrigé) par A. Chambert-Loir.
TD 7 : Martingales théorème darrêt Corrigé
Corrigé. Vendredi 27 Octobre. 1 Temps d'arrêt. Exercice 1 (Vrai ou faux) on n'a pas égalité ci-dessus est dans l'inégalité de Markov (avant-dernière ...
Exercices corrigés -Variables aléatoires : inégalités de Markov et de
Exercices corrigés - Variables aléatoires : inégalités de Markov et de Tchebychev estimation · Montrer que P(X?n2)?1n P ( X ? n 2 ) ? 1 n · Montrer que P(
[PDF] Feuille dexercices no 4
Inégalités de Markov et de Bienaymé-Tchebychev loi des grands nombres Exercice 1 Le nombre de pi`eces sortant d'une usine en une journée est une variable
[PDF] Leçon 18 Exercices corrigés
Reprendre l'Exercice 1 Leçon 17 en incluant la convergence mière affirmation découle de l'application de l'inégalité de Markov à la variable
[PDF] Probabilités - S2 TD 3 - Inégalité de Bienaymé-Tchebichev
1) Si on applique l'inégalité de Markov on a P(X > 75) ? 50 75 ? 067 2) P(40 ? X ? 60) = P(?10 < X ? 50 < 10) = P(X ? 50 < 10) On écrit l'
[PDF] Inégalités en analyse et en probabilités
Inégalités en analyse et en probabilités Corrigé partiel des exercices Exercice 6 (Covariance et corrélation) 1 On vérifie facilement que
[PDF] Correction TD no 5
Correction TD no 5 Exercice 1 : 1 Soit ? > 0 Alors par inégalité triangulaire P (Xn ? X ? ?) = P ((Xn ? E(Xn)) + (E(Xn) ? X) ? ?)
[PDF] Intégration et probabilités (cours + exercices corrigés) L3 MASS
Le but de ce cours est d'introduire les notions de théorie de la mesure qui seront utiles en calcul des probabilités et en analyse
[PDF] CPES 2 – Probabilités approfondies 2015-2016 DS final
Exercice 2 Corrigé On a (formule des probabilités totales avec les événements {Y = j} Corrigé D'apr`es l'inégalité de Markov pour tout ? > 0
[PDF] Titre PDF
Exercice 1 : 1 Rappeler les définitions de la convergence en loi en probabilité presque sûre et en moyenne quadratique — On dit que Xn converge en loi
[PDF] CHAÎNES DE MARKOV - ceremade
4 3 5 Inégalité de Markov et de Bienaymé Tchebychev 58 5 4 Exercices : Introduction aux chaînes de Markov
Departement STID - IUT Paris Descartes 2017-2018
Probabilites - S2
TD 3 - Inegalite de Bienayme-Tchebichev - Convergence en probabiliteCorriges
Rappels :
Inegalite de Bienayme-Tchebychevpour une variable aleatoire d'esperance et de variance nies :8t >0; P(jXE(X)j>t)6V(X)t
2 Inegalite de Markov8Zvariable aleatoire positive;8a >0P(Z > a)6E(Z)aConvergence en probabilite
Soit (Un)n>1une suite de v.a. On dit queUnconverge en probabilite vers2Rsi et seulement si :8" >0; P(jUnj> ")!n!10
Loi (faible) des grands nombres
Soit (Xn)n>1une suite de v.a. independantes et de m^eme esperance (nie)et de m^eme variance (nie)2, alorsX n=1n n X i=1X iP!n!1Exercice 1
Ici :XE(X) =X20 et 06X640, 206X20620, jX20j620
On applique B-T at= 20 etV(X) = 20 :
P(jX20j>20)62020
2= 0;05,1P(jX20j620)60;05,
P(jX20j620)>10;05 = 0;95,P(06X640)>0;95
On peut verier que c'est vrai siXsN(20;2= 20) :
P(06X640) =P020p20
6X20p20
64020p20
=P4;4726X20p20
64;472
=F(4;472) F(4;472) =F(4;472)(1F(4;472)) = 2F(4;472)1'211 = 1 ouX20p20 sN(0;1) et Fest la fonction de repartition de la loi normale reduite centree.On a bienP(06X640) = 1>0;95.
Exercice 2
SoientXi; i= 1;2:::;100 des variables aleatoires uniformes sur l'intervalle [0;1].Evaluer approxima- tivementP 100Xi=1X i>6!
06Xi61)06100X
i=1X i6100.On peut conjecturer queP
100Xi=1X i>6!
1006100
= 0;94 1Exercice 3
On suppose que le nombre de pieces sortant d'une usine donnee en l'espace d'une semaine est une variable aleatoire d'esperance 50.1)Si on applique l'inegalite de Markov, on aP(X >75)65075
'0;672)P(406X660) =P(10< X50<10) =P(jX50j<10).
On ecrit l'inegalite de B-T :P(jX50j>10)62510
2= 0;25
On en deduit : 1P(jX50j<10)60;25,P(jX50j<10)>10;25 = 0;75 ,P(jX50j<10) =P(406X660)>0;75Exercice 4
On eectuenlancers successifs supposes independants d'une piece parfaitement equilibree.1)Chaque lancer est un tirage de Bernoulli, avecp=12
. Si on appelleSn=X1+X2++Xn, S nsB n;12 le nombre de pile, avecE(Sn) =n2 etV(Sn) =n:12 :12 =n42)Fn=Snn
doncE(Fn) =1nE(Sn) =1n
n E(Xi) =12V(Fn) =1n
2V(Sn) =1n
2n4 =14n.3)Pour quels nombresnde lancers peut-on armer, avec un risque de se tromper inferieur a 5 %,
que la proportion de piles au cours de cesnlancers diere de12 d'au plus un centieme.On ecrit l'inegalite de B-T pourSn:
P(jFnE(Fn)j>0;01)6V(Fn)0;012)P
Fn12 >0;01614n0;012
On choisitnveriant14n0;01260;05,n>140;050;012= 50 000. Il faut lancer la piece 50 000 fois pour qu'on puisse armer avec seulement 5% de risque de se tromper quela proportion de pile sera12 1100Exercice 5
Approximation d'une loi Bin^omialeB(n;p)
L'approximation d'une loi bin^omiale par une loi normale se justie des quen>30;np>5 etn(1p> 5. (a)X B(50; 0;2). Icin= 50>30;np= 10>5 etn(1p) = 40>5, doncX' N(np;np(1p)) =N(10;8)P(X64) =PX10p8
6410p8
=PX10p862;12132
=F(2;12132) = 1F(2;12132) )P(X64) = 0:0169 (approximation) ouFest la fonction de repartition de la loiN(0;1). Lorsque l'on regarde dans une table de la loi bin^omiale, pourX B(50; 0;2) on trouve :P(X64) = 0;0185.
2 (b)X B(200; 0;5). Icin= 200>30 etnp=n(1p) = 100>5, doncX' N(np;np(1p)) =N(100;50)P(X670) =PX100p50
670100p50
=PX100p5064;24264
=F(4;24264) = 1F(4;24264)
)P(X670) = 0 (approximation) ouFest la fonction de repartition de la loiN(0;1). Lorsque l'on regarde dans une table de la loi bin^omiale, pourX B(200; 0;5) on trouve :P(X670) = 0, c'est a dire le m^eme resultat.
Exercice 6
Une compagnie aerienne utilise un avion qui peut transporter au maximum 400 passagers. La proba- bilite pour qu'un passager, ayant reserve pour un vol donne, ne se presente pas a l'embarquement est de 0,08.1)La compagnie accepte pour un vol 420 reservations. On noteXla variable aleatoire qui compte le
nombre de passagers qui se presentent a l'embarquement. a-X B(420; 0;92). b- Icin= 420>30;np= 386;4>5 etn(1p) = 33:6>5, doncX B(420; 0;92)' N(336;4; 30;912).P(X6400) =PX336;4p30;9126400336;4p30;912
'PX336;4p30;91262;44 '0:993. Donc la societe prend peu de risques mais aura tout de m^eme des soucis pour 7 vols sur 1000.2)La compagnie accepte pour un vol donnenreservations (avecn400). Determiner la valeur
maximale denpour que la probabilite de l'evenement (X400) soit superieure ou egale a 0,95.XsB(n; 0;92)' N(0;92n; 0;080;92n= 0;0736n).
P(X6400) =PX0;92np0;0736n64000;92np0;0736n
>0;95)4000;92np0;0736n= 1;645. Cela revient a resoudre l'equation du second degre 0;92x2+ 1;645p0;0736x400 = 0 avec x=pn. On ne veut que la racine positive. = 1;64520;0736 + 44000;92'1472;12'38;372 x=pn=1;645p0;0736 + 11;322520;92)n'424;8Donc pourn425 on auraP(X6400)0:95
Exercice 7
Loi du min et du max
SoientX1;:::;Xndes variables aleatoires independantes et identiquement distribuees, denies sur un m^eme espace et a valeurs reelles. On noteFla fonction de repartition deX1.1) (a)
=f1;2;3;4;5;6g2=f(1;1);(1;2);:::(6;6)g36 couples, E1= (M2= 1) =f(1;1)g; E2= (M2= 2) =f(1;1);(1;2);(2;1);(2;2)g,E3= (M2= 3) =:::.
(b)F(1) =P(max2= 1) = 1=36;F(2) = 4=36;F(3) =F(2) + 5=36 = 9=36;F(4) =F(3) +7=36 = 16=36;F(5) =F(4) + 9=36 = 25=36;F(6) =F(5) + 11=36 = 36=36 = 1.
On remarque que ces quantites sont resp egales a (1=6)2;(2=6)2;(3=6)2;(4=6)2;(5=6)2;(6=6)2= 1 32)FMn(x) =P(Mn6x) =P(maxfXig6x) =P(X16x;X26x;:::;Xn6x))
FMn(x) =P(X16x)P(X26x); P(Xn6x) =F(x)n
3)On lance un de 2 fois, doncn= 2. SoientX1etX2les resutats respectifs de ces 2 lancers. Soit
m2= minfX1;X2gla variable aleatoire qui a tout!2
associe la plus petite valeur parmi X1(!);X2(!).
(a)Ecrire
, puis les evenementsE1= (m2= 1); E2= (m2= 2);E3= (m2= 3). (b)Determiner la fonction de repartitionFdem2.4)Fmn(x) =P(mn6x) = 1P(mn> x) = 1P(minfXig> x)
)Fmn(x) = 1P(X1> x;X2> x;:::;Xn> x) = 1P(X1> x)P(X2> x);P(Xn> x) car lesXisont independantes )Fmn(x) = 1(1F(x))n5)F(x) = 1ex, doncFMn(x) =1exnetFmn(x) = 111exn= 1enx
4quotesdbs_dbs27.pdfusesText_33[PDF] variance probabilité formule
[PDF] esperance ecart type loi binomiale
[PDF] ecart type probabilité
[PDF] variance probabilité première s
[PDF] pensee positive permanente
[PDF] etre positif pdf
[PDF] le pouvoir de la pensée positive pdf gratuit
[PDF] pensée positive citation pdf
[PDF] pensée positive gratuite télécharger
[PDF] livre la puissance de la pensée positive pdf gratuit
[PDF] la pensée positive pour les nuls pdf gratuit
[PDF] soon the end
[PDF] cest bientot la fin paroles
[PDF] mozart opera rock c'est bientôt la fin lyrics